第10章多元时间序列.pptVIP

第10章 多元时间序列 Homework: 重新详细分析本章10.5节的例子 * * * 于是，原模型 就可以表示为 跟前头的讨论一样，如果对任意，有，则称是稳定的。 此时，均值向量变为 进一步，可以证明 此式被称为过程的倒特征多项式。因此，如果一个过程的倒特征 多项式在复单位圆上没有根，那它就是稳定的。正式地，一个过程是 稳定的，如果对所有， 此条件也称为稳定性条件并且对一个VAR模型来说，验证它不难。例如，考虑 二维VAR(2)过程 它的倒特征多项式是 此多项式的根为 注意和的模是。因此，由于所有的根都在单位 圆外，该过程满足稳定性条件。 10.1简介 出现在实务中的时间序列常常最好看成是某个向量值(多元)时间序列的分量 序列。对于而言，不仅每一个分量序列内部可能序列相依，而且不同的分 量序列和之间也可能互相依赖。一元时间序列理论的许多方面能自然 地推广到多元情形。然而，会出现两个重要的问题。 1．维数祸害。当中的分量个数增加时，参数的个数也随之增加。例如，对 于由10枝股票的投资组合构成的多元时间序列，即使是简单的向量AR(1)模 型都可能需要直到100个的自由变化的参数，因而维数祸害就出现了。 2．可识别性。与一元情形不同，任意的向量ARMA模型不见得可以唯一确定。 后面，我们会看到一个这样的例子。 首先引入几个基本概念。一个-元时间序列是一个在时刻观测的-维随 机向量组成的随机过程(通常，)。分量序列可以 作为一元时间序列单独研究，且从二阶矩观点来看，每一个分量序列都被它自己 的均值和自协方差函数所刻画。然而，这种方法没有将分量序列之间可能有的相 依性考虑进去，而这种相依性对于预测分量序列的将来值可能是极为重要的。 考虑随机向量序列，定义其均值向量为 协方差矩阵为 其中 用矩阵记号，则 如果矩和都与独立，则称是平稳的。此时，我们使用记号 和 以上矩阵的对角线元素是一元序列的自协方差函数，而非对角线元素是 和的协方差。请注意。相应地，自相关矩阵定义为 其中 例10.1 考虑二元时间序列 那么，并且 类似地， 以及 进一步， 以及 定理10.1 以下结果正确： 1．； 2． 3．对于和， 这个性质称为的半正定性。 定义10.1 的就是是平稳的且， 定义10.2 如果独立同分布于具有和协方差阵为的分布，则记 。 定义10.3 称是线性过程，如果对于，它可以表示为 其中是矩阵序列，其元素是绝对可加的，即对于， 显然，对于线性过程，且 如果时，，那么 此时称具有表示。 而表示是指 最后，关于谱表示，假如对于每一对，，那么 而且可表示为 注意这里和都是矩阵。 10.2 μ和Γ的估计 根据观测值，均值向量的一个自然估计量是样本均值向量 对于，我们使用估计 和之间的相关系数由 来估计。其中是的第(i,j)个元素。如果，就简化为第i个序列 的样本相关函数。 10.3 多元ARMA过程 跟一元情形类似，我们可以定义一类极为有用的多元平稳过程，方法是要 求满足一套常系数线性差分方程。多元白噪声构成了建立向量ARMA过程 的基本建筑模块。 定义10.4 称是一个过程，如果是平稳的而且对于每一个， 其中。[称是一个具有均值向量的过程，如果 是一个过程]。 等价地，我们可以将上式写成 其中而是矩阵值多项式。注意 矩阵和的每一个元素都是的实系数多项式且次数分别小于。 例10.2 设，。则我们给出了多元AR(1)序列的方程： 利用类似于一元情形的论证，我们可以把表示为 如果的所有特征值的绝对值都小于1，即，对于所有的且， 此时我们有表示且。 10.3.1因果性和可逆性 定义10.5（因果性）一个过程称为因果的，如果存在 元素绝对可加的矩阵使得对于所有的， 因果性等价于条件：对于所有的且，。矩阵可以 由以下方程递归地求得： 其中我们定义以及。 定义